Fusão de Dados Multimodais para Detecção e Rastreamento em VANT: Uma Revisão Sistemática

Vol 57, 2025 - 340767
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A fusão de dados multimodais tem sido investigada para aumentar a robustez de sistemas de detecção e rastreamento em Veículos Aéreos Não Tripulados (VANT), especialmente em cená rios adversos. Este artigo apresenta uma Revisão Sistemática da Literatura (RSL) sobre métodos de fusão multimodal baseados em Deep Learning aplicados a esse domínio, conduzida de acordo com a metodologia PRISMA. A busca abrangeu publicações entre 2021 e 2025 em quatro bases científicas, resultando na seleção de 81 estudos primários. Os trabalhos foram analisados quanto às métricas de avaliação, datasets e famílias arquiteturais, incluindo Redes Neurais Convolucionais (CNN), YOLO, Transformers e Mamba. Os resultados indicam evolução de métodos baseados em convolução para arquiteturas com atenção, fusão dinâmica entre modalidades e modelagem de dependências de longo alcance. A revisão evidencia a importância de equilibrar acurácia e custo computacional, além de apontar lacunas relacionadas à padronização experimental e a datasets multimodais desafiadores.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Marinha do Brasil
  • 2 Instituto Militar de Engenharia
Eixo Temático
  • SE5 – Sessão Especial de Pesquisa Operacional em Defesa e Poder Marítimo (SE-PODMAR)
Palavras-chave
Fusão de Dados Multimodais
Veículos Aéreos Não Tripulados (drones)
Detecção e Rastreamento de Objetos